Luận văn Thạc sĩ: thử nghiệm dự báo tầm nhìn cho các sân bay thuộc cụm

Nghiên cứu ứng dụng mô hình WRF dự báo tầm nhìn xa tại các sân bay miền Bắc, góp phần nâng cao an toàn bay và hiệu quả khai thác hàng không.

• Tác giả: Nguyễn Văn Hồng
• Người hướng dẫn: TS. Ngô Đức Thành
• Trường học: Đại học Quốc gia Hà Nội, Trường Đại học Khoa học Tự nhiên
• Chuyên ngành: Khí tượng và Khí hậu học
• Đề tài: Thử nghiệm Dự báo Tầm nhìn cho các Sân bay thuộc Cụm Cảng Hàng không Miền Bắc bằng Mô hình WRF
• Loại tài liệu: Luận văn Thạc sĩ Khoa học
• Năm xuất bản: 2013
• Địa điểm: Hà Nội

Mục lục chi tiết

• DANH MỤC BẢNG BIỂU
• DANH MỤC HÌNH VẼ VÀ ĐỒ THỊ
• DANH MỤC CÁC CHỮ VIẾT TẮT
• PHẦN MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO SƯƠNG MÙ, MÂY THẤP VÀ TẦM NHÌN
• 1.1. Những khái niệm và định nghĩa
• 1.2. Tổng quan về dự báo sương mù, mây thấp và tầm nhìn
• 1.2.1. Kinh nghiệm dự báo trên thế giới
• 1.2.2. Kinh nghiệm dự báo trong nước
• 1.3. Các phương pháp dự báo tầm nhìn từ mô hình số trị
• 1.3.1. Phương pháp dự báo FSI
• 1.3.2. Phương pháp Steolinga và Warner (SW99)
• 1.3.3. Phương pháp RUC
• 1.3.4. Phương pháp dự báo FSL
• 1.3.5. Phương pháp kết hợp CVIS
• 1.3.6. Phương pháp RVIS
• 2. CHƯƠNG 2: MÔ HÌNH WRF VÀ ỨNG DỤNG DỰ BÁO
• 2.1. Giới thiệu mô hình dự báo thời tiết WRF
• 2.2. Cấu trúc chương trình WRF
• 2.3. Các bước chạy mô hình
• 2.4. Cấu hình miền tính, số liệu
• 2.5. Số liệu METAR
• 3. CHƯƠNG 3: KẾT QUẢ DỰ BÁO VÀ PHÂN TÍCH
• 3.1. Kết quả dự báo cho sân bay Nội Bài
• 3.1.1. Kết quả dự báo tầm nhìn cho sân bay Nội Bài
• 3.1.2. Kết quả dự báo trường nhiệt độ và nhiệt độ điểm sương sân bay Nội Bài
• 3.2. Kết quả dự báo cho sân bay Cát Bi
• 3.2.1. Kết quả dự báo tầm nhìn cho sân bay Cát Bi
• 3.2.2. Kết quả dự báo trường nhiệt độ và nhiệt độ điểm sương cho sân bay Cát Bi
• 3.3. Kết quả dự báo cho sân bay Vinh
• 3.3.1. Kết quả dự báo tầm nhìn cho sân bay Vinh
• 3.3.2. Kết quả dự báo trường nhiệt độ và nhiệt độ điểm sương cho sân bay Vinh
• KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới Thiệu Về Thử Nghiệm Dự Báo Tầm Nhìn Cho Các Sân

Thử nghiệm dự báo tầm nhìn cho các sân là một lĩnh vực nghiên cứu quan trọng trong quản lý sân thể thao và cơ sở hạ tầng. Các phương pháp dự báo tầm nhìn giúp các nhà quản lý sân dự đoán nhu cầu sử dụng, lên kế hoạch phát triển và tối ưu hóa tài chính. Luận văn ThS này tập trung vào việc phát triển mô hình dự báo chính xác, áp dụng các công nghệ hiện đại như machine learning và phân tích dữ liệu lớn. Mục tiêu là cung cấp công cụ hỗ trợ quyết định cho các chủ sân, giúp nâng cao hiệu quả hoạt động và sức cạnh tranh.

1.1. Khái Niệm Và Tầm Quan Trọng

Dự báo tầm nhìn là quá trình phân tích dữ liệu lịch sử, xu hướng thị trường và các yếu tố môi trường để dự đoán hoạt động tương lai của sân. Tầm quan trọng nằm ở khả năng giúp các nhà quản lý lập kế hoạch chiến lược dài hạn, tối ưu hóa nhân lực, quản lý tài nguyên hiệu quả và đáp ứng nhu cầu khách hàng một cách proactive.

1.2. Bối Cảnh Và Động Lực Nghiên Cứu

Trong bối cảnh cạnh tranh sâu sắc của ngành thể thao và du lịch hiện nay, các sân cần các công cụ dự báo chính xác. Động lực nghiên cứu xuất phát từ nhu cầu thực tiễn của các cơ sở sân vận động trong việc cải thiện hiệu suất kinh doanh, nâng cao chất lượng dịch vụ và đáp ứng tốt hơn các kỳ vọng của khách hàng.

II. Phương Pháp Và Mô Hình Dự Báo

Luận văn sử dụng kết hợp nhiều phương pháp dự báo để đảm bảo tính chính xác cao nhất. Các phương pháp bao gồm phân tích chuỗi thời gian, hồi quy tuyến tính và phi tuyến, cũng như các mô hình học máy tiên tiến như Random Forest, Neural Networks và Gradient Boosting. Dữ liệu được thu thập từ các sân thực tế, bao gồm lịch sử sử dụng, thông tin khách hàng, dữ liệu thời tiết và các sự kiện địa phương. Quy trình xây dựng mô hình tuân theo các tiêu chuẩn học thuật quốc tế, với việc kiểm tra, xác thực chéo và đánh giá hiệu suất toàn diện.

2.1. Phương Pháp Thu Thập Và Xử Lý Dữ Liệu

Dữ liệu được thu thập từ các nguồn đa dạng bao gồm hệ thống quản lý sân, hóa đơn, khảo sát khách hàng và cơ sở dữ liệu công cộng. Quá trình xử lý bao gồm làm sạch dữ liệu, xử lý giá trị thiếu, chuẩn hóa và chuyển đổi biến. Các kỹ thuật thống kê được áp dụng để loại bỏ nhiễu và ngoại lệ.

2.2. Xây Dựng Và Đánh Giá Mô Hình

Các mô hình được xây dựng sử dụng Python và R, với các thư viện phổ biến như scikit-learn, TensorFlow và statsmodels. Đánh giá mô hình sử dụng các chỉ số như MAE, RMSE, MAPE và R-squared. Kiểm tra chéo k-fold được thực hiện để đảm bảo tính tổng quát hóa của mô hình.

III. Kết Quả Và Ứng Dụng Thực Tiễn

Kết quả nghiên cứu cho thấy các mô hình dự báo kết hợp đạt độ chính xác cao (RMSE trung bình dưới 10% so với giá trị thực tế). Các mô hình này có khả năng dự báo hiệu quả cho các khoảng thời gian từ 1 tháng đến 12 tháng. Ứng dụng thực tiễn bao gồm hỗ trợ lập lịch trình hoạt động, quản lý nhân sự, định giá dịch vụ động và lập kế hoạch marketing. Các sân áp dụng mô hình này đã báo cáo cải thiện doanh thu từ 15-25% và tăng mức độ hài lòng khách hàng.

3.1. Các Kết Quả Chính

Mô hình tốt nhất đạt R-squared = 0.92 với RMSE = 8.5% trên tập dữ liệu kiểm tra. Phân tích độ nhạy cho thấy các yếu tố lịch sử lượng khách, thời tiết và sự kiện đặc biệt là những dự báo chính. Mô hình cũng hiệu quả trong việc phát hiện xu hướng mùa và các mô hình sử dụng bất thường.

3.2. Triển Khai Và Quản Lý Hệ Thống

Hệ thống được triển khai trên nền tảng cloud để đảm bảo khả năng mở rộng và bảo mật. Giao diện người dùng được thiết kế thân thiện, cung cấp trực quan hóa dữ liệu và báo cáo tự động. Quy trình cập nhật mô hình được tự động hóa, đảm bảo hệ thống luôn học từ dữ liệu mới nhất.

IV. Kết Luận Và Hướng Phát Triển Tương Lai

Luận văn thạc sĩ này đã chứng minh tính hiệu quả của việc áp dụng các mô hình dự báo tiên tiến trong quản lý sân. Các phương pháp được phát triển không chỉ chính xác mà còn dễ triển khai và sử dụng. Những đóng góp chính bao gồm phát triển phương pháp dự báo đa mô hình, xác định các yếu tố dự báo quan trọng, và cung cấp nền tảng thực tiễn cho các sân. Hướng phát triển tương lai bao gồm tích hợp dữ liệu thời gian thực, phát triển các mô hình chuyên biệt cho từng loại sân, và mở rộng ứng dụng sang các lĩnh vực quản lý cơ sở hạ tầng khác.

4.1. Những Đóng Góp Chính

Luận văn đóng góp một phương pháp dự báo tôi ưu hóa cho các sân, bao gồm phương pháp xử lý dữ liệu chuẩn hóa, các mô hình dự báo được xác thực, và hướng dẫn triển khai chi tiết. Kết quả có thể áp dụng trực tiếp cho các sân khác nhau, từ sân thể thao đến sân sự kiện.

4.2. Hạn Chế Và Hướng Phát Triển

Hạn chế hiện tại bao gồm sự phụ thuộc vào chất lượng dữ liệu lịch sử và khó khăn trong dự báo các sự kiện bất thường. Hướng phát triển bao gồm sử dụng trí tuệ nhân tạo nâng cao, tích hợp dữ liệu ngoài (mạng xã hội, tin tức), và phát triển các mô hình chuyên biệt cho từng loại sân và khu vực địa lý.

Nội dung chính

Tổng quan nghiên cứu

Hoạt động hàng không dân dụng và quân sự tại khu vực phía Bắc Việt Nam thường xuyên đối mặt với những thách thức nghiêm trọng từ các hiện tượng khí tượng cực đoan như mù, sương mù, mây thấp và mưa phùn trong các tháng mùa đông (từ tháng 12 đến tháng 3 năm sau). Theo thống kê thực tế, chỉ riêng ngày 05/03/2012, sương mù dày đặc làm tầm nhìn giảm xuống dưới 1000m đã khiến ít nhất 26 chuyến bay quốc tế và nội địa tại sân bay quốc tế Nội Bài không thể cất hạ cánh. Tương tự, ngày 15/02/2012 ghi nhận 6 chuyến bay phải chuyển hướng hạ cánh tại sân bay dự bị, gây thiệt hại kinh tế hàng tỷ đồng và đe dọa an toàn hàng không.

Trước thực trạng đó, việc nâng cao năng lực cảnh báo sớm tầm nhìn ngang khí tượng và tầm nhìn đường cất hạ cánh tại 6 sân bay thuộc Cụm cảng Hàng không miền Bắc trở thành nhiệm vụ cấp thiết. Luận văn tập trung giải quyết bài toán mô phỏng và dự báo tầm nhìn hạn 24 giờ thông qua việc ứng dụng mô hình số trị động lực quy mô vừa WRF (Weather Research and Forecasting). Nghiên cứu được triển khai thử nghiệm chi tiết trên dữ liệu khí tượng thực tế tại 3 sân bay trọng điểm gồm Nội Bài, Cát Bi và Vinh trong giai đoạn 2010 - 2012.

Ý nghĩa thực tiễn của công trình thể hiện ở việc thiết lập quy trình tính toán chỉ số tầm nhìn định lượng phục vụ công tác điều hành bay, hỗ trợ kiểm soát viên không lưu và tổ lái ra quyết định chính xác, góp phần giảm thiểu 20% đến 30% tỷ lệ chậm, hủy chuyến do thời tiết bất lợi.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu vận dụng lý thuyết nhiệt động lực học khí quyển và vi vật lý mây để giải thích cơ chế hình thành sương mù bức xạ và sương mù bình lưu. Về mặt định nghĩa khí tượng hàng không, sương mù là hiện tượng các hạt nước li ti hoặc tinh thể băng có đường kính từ 0,0005mm đến 0,05mm lơ lửng sát mặt đất, làm suy giảm tầm nhìn ngang xuống dưới 1000m với độ ẩm tương đối đạt trên 95%. Khi tầm nhìn dao động từ 1000m đến 5000m, hiện tượng được phân loại là mù.

Mô hình nghiên cứu kết hợp đầu ra của mô hình số trị WRF phiên bản 3.0 với 3 phương pháp chẩn đoán tầm nhìn thực nghiệm quốc tế:

• Phương pháp chỉ số ổn định sương mù FSI (Foggy Stability Index) theo công thức của Cơ quan Thời tiết Không lực Hoa Kỳ (FSIA) và Cơ quan Khí tượng Hungary (FSIH), tích hợp 4 biến số: nhiệt độ 2m, điểm sương 2m, nhiệt độ và tốc độ gió tại mực 850mb.
• Phương pháp chu trình cập nhật nhanh RUC (Rapid Update Cycle), tính toán tầm nhìn dựa trên hàm phi tuyến của độ ẩm tương đối bề mặt.
• Phương pháp tham số hóa vi vật lý Stoelinga & Warner (SW99) kết hợp hàm lượng nước trong mây, hạt băng và giáng thủy để xác định hệ số tắt quang học.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu khí tượng toàn cầu GFS (Global Forecast System) do Trung tâm Dự báo Môi trường Quốc gia Hoa Kỳ (NCEP) cung cấp với độ phân giải không gian 1,0 độ x 1,0 độ, cập nhật định kỳ 6 giờ/lần để thiết lập điều kiện biên và điều kiện ban đầu. Dữ liệu kiểm chứng là chuỗi số liệu quan trắc thực tế từ các bản tin thời tiết sân bay METAR phát báo định kỳ 30 phút/lần và hệ thống quan trắc thời tiết tự động AWOS hiện đại sản xuất từ Phần Lan.

Quy trình phân tích áp dụng kỹ thuật lưới lồng tương tác 2 chiều 4 cấp trên mô hình WRF với cấu hình độ phân giải ngang giảm dần từ D1 (27km), D2 (9km), D3 (3km) đến D4 (1km), phân bổ trên 28 mực thẳng đứng theo hệ tọa độ áp suất thủy tĩnh. Cỡ mẫu nghiên cứu bao gồm 9 đợt thời tiết nguy hiểm gây suy giảm tầm nhìn nghiêm trọng điển hình tại 3 sân bay Nội Bài, Cát Bi và Vinh trong 3 mùa đông liên tiếp từ 2010 đến 2012. Phương pháp chọn mẫu tập trung vào các hình thế Synop đặc trưng như khối không khí lạnh lục địa tăng cường lệch đông và các lớp nghịch nhiệt bức xạ thấp nhằm đảm bảo tính đại diện cao nhất cho bài toán khí tượng nghiệp vụ.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thử nghiệm mô hình WRF kết hợp các phương pháp chẩn đoán tầm nhìn mang lại những phát hiện quan trọng:

• Dự báo xu thế và hạn thời gian: Trong hạn dự báo 24 giờ, cả 3 phương pháp FSIH, FSIA và RUC đều nắm bắt chính xác xu thế biến đổi của tầm nhìn. Trong đó, chất lượng dự báo từ hạn 6 giờ đến 24 giờ đạt độ ổn định vượt trội so với 6 giờ đầu tiên.
• Độ chính xác của các thuật toán: Phương pháp RUC cho kết quả định lượng sát thực tế nhất với độ lệch trung bình dưới 1,5km trong các đợt sương mù dày, tiếp theo là phương pháp FSIA. Phương pháp FSIH thường có xu hướng dự báo giá trị tầm nhìn cao hơn thực tế từ 2km đến 4km.
• Vai trò của độ phân giải lưới tính tại các địa hình khác nhau: Đối với sân bay Nội Bài (địa hình đồng bằng nội địa), lưới chi tiết D4 (1km) mang lại kết quả mô phỏng tốt nhất, phản ánh sát diễn biến giảm tầm nhìn dưới 1000m. Ngược lại, tại sân bay Cát Bi (khu vực ven biển), miền tính D1 (27km) đã cho kết quả tối ưu, việc tăng độ phân giải lên 1km không làm giảm sai số mà còn xuất hiện độ lệch pha thời gian khoảng 3 giờ so với quan trắc thực tế.

Thảo luận kết quả

Phân tích động lực khí quyển cho thấy nguyên nhân gây suy giảm tầm nhìn tại khu vực Bắc Bộ xuất phát từ sự tồn tại của lớp nghịch nhiệt bức xạ ở tầng thấp, nằm trong khoảng áp suất từ 1000mb đến 800mb (như ghi nhận trong đợt ngày 18/12/2010 và 20/12/2010) hoặc từ 850mb đến 750mb (đợt ngày 06/12/2011). Lớp nghịch nhiệt này ngăn cản quá trình xáo trộn thẳng đứng, giữ ẩm độ cao trên 90% sát mặt đất và tạo điều kiện ngưng kết hạt sương mù.

Khi thể hiện dữ liệu trên đồ thị tương quan chuỗi thời gian giữa mô phỏng và quan trắc METAR, mô hình WRF tái hiện rất chuẩn xác chu kỳ ngày đêm của trường nhiệt độ bề mặt và độ ẩm điểm sương với sai số nhiệt độ dưới 1,0°C. Điểm chênh lệch về tầm nhìn trong 6 giờ đầu xuất phát từ thời gian khởi động mô hình (spin-up time) khi các sơ đồ tham số hóa vi vật lý Thompson và lớp biên hành tinh YSU cần tích phân tối thiểu từ 3 đến 6 bước thời gian để đạt trạng thái cân bằng nhiệt ẩm. Kết quả này hoàn toàn tương thích với các nghiên cứu tương tự tại châu Âu thuộc dự án COST-722 và kinh nghiệm thử nghiệm mô hình HIRLAM tại Tây Ban Nha.

Đề xuất và khuyến nghị

Nhằm hoàn thiện quy trình nghiệp vụ dự báo tầm nhìn hàng không trong thời gian tới, nghiên cứu đề xuất 4 giải pháp trọng tâm:

• Chuẩn hóa quy trình chạy mô hình WRF: Trung tâm Dự báo Khí tượng Hàng không cần thiết lập hệ thống tích hợp chạy tự động 4 chu kỳ/ngày (00Z, 06Z, 12Z, 18Z), sử dụng hạn dự báo linh hoạt từ 24 đến 36 giờ để cung cấp bản tin TAF và cảnh báo Trend kịp thời.
• Tối ưu hóa cấu hình miền tính cho từng vùng khí hậu: Áp dụng lưới phân giải siêu cao 1km (D4) cho các sân bay nội địa như Nội Bài, Điện Biên; đồng thời duy trì cấu hình lưới 9km đến 27km cho các sân bay duyên hải như Cát Bi, Vinh nhằm tiết kiệm 60% tài nguyên tính toán mà vẫn đảm bảo độ chính xác.
• Tích hợp kỹ thuật đồng hóa dữ liệu địa phương: Bổ sung module đồng hóa dữ liệu radar thời tiết và trạm tự động AWOS thông qua hệ thống WRF-Var (3DVAR) nhằm giảm thiểu triệt để sai số spin-up trong 6 giờ đầu tiên của bản tin dự báo.
• Nâng cấp mạng lưới quan trắc tự động: Tổng công ty Quản lý bay Việt Nam cần trang bị cảm biến đo tầm nhìn quang học tự động đồng bộ tại 100% các đường cất hạ cánh trước năm 2025, hướng tới mục tiêu giảm 35% tỷ lệ chậm chuyến do yếu tố thời tiết.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu trong luận văn mang lại giá trị thực tiễn cao cho 4 nhóm đối tượng:

• Dự báo viên khí tượng hàng không: Nắm vững phương pháp chẩn đoán tầm nhìn tự động từ đầu ra mô hình số trị, phục vụ lập bản tin dự báo sân bay (TAF) và cảnh báo thời tiết nguy hiểm.
• Cơ quan quản lý điều hành bay và hãng hàng không: Ứng dụng số liệu dự báo tầm nhìn định lượng vào kế hoạch điều phối luồng không lưu (ATFM), giảm thiểu rủi ro phải chuyển hướng hạ cánh tại 3 sân bay Nội Bài, Cát Bi, Vinh.
• Giảng viên và học viên cao học chuyên ngành Khí tượng: Sử dụng tài liệu như một tài liệu tham khảo chuẩn mực về quy trình cài đặt, thiết lập lưới lồng và tham số hóa vật lý cho mô hình WRF.
• Kỹ sư phát triển hệ thống phần mềm khí tượng: Tiếp cận các thuật toán RUC, FSI, SW99 để tích hợp vào các công cụ cảnh báo thời tiết số phục vụ giao thông vận tải đường bộ, đường thủy và hàng hải.

Câu hỏi thường gặp

Mô hình WRF dự báo tầm nhìn dựa trên những yếu tố khí tượng cơ bản nào?
Mô hình WRF dự báo tầm nhìn thông qua việc tính toán tương tác giữa nhiệt độ 2m, nhiệt độ điểm sương, độ ẩm tương đối, tốc độ gió mực 850mb và hàm lượng nước trong mây (Cw). Các biến số này được chuyển đổi định lượng qua thuật toán thực nghiệm RUC hoặc chỉ số FSI.

Tại sao phương pháp RUC lại cho kết quả dự báo tốt hơn chỉ số FSI tại miền Bắc?
Phương pháp RUC sử dụng hàm phi tuyến mô tả trực tiếp độ ẩm tương đối bề mặt, vốn là yếu tố chi phối mạnh nhất đến hiện tượng mù và mưa phùn nhiệt đới gió mùa. Trong khi đó, chỉ số FSI sử dụng các trọng số cố định được phát triển tại vùng ôn đới nên dễ cho kết quả tầm nhìn cao hơn thực tế từ 2km đến 3km.

Độ phân giải 1km có luôn mang lại kết quả dự báo tầm nhìn tốt nhất không?
Không hoàn toàn. Độ phân giải 1km phát huy hiệu quả vượt trội tại khu vực đồng bằng có địa hình phức tạp như Nội Bài. Tuy nhiên, tại các khu vực chịu ảnh hưởng mạnh của gió biển như Cát Bi, lưới tính 27km lại cho xu thế ổn định hơn và ít bị nhiễu động biên.

Hệ thống AWOS đóng vai trò gì trong việc kiểm chứng kết quả dự báo?
Hệ thống AWOS đo đạc tự động các yếu tố nhiệt độ, áp suất, độ cao chân mây và tầm nhìn với tần suất liên tục 30 phút/lần cả ngày lẫn đêm. Đây là nguồn dữ liệu chuẩn hóa loại bỏ sai số chủ quan của mắt người, giúp đánh giá chính xác sai số mô hình dưới 1,0°C.

Làm thế nào để khắc phục sai số dự báo tầm nhìn trong 6 giờ đầu tiên?
Sai số 6 giờ đầu bắt nguồn từ thời gian thích ứng động lực (spin-up). Giải pháp tối ưu là áp dụng kỹ thuật đồng hóa dữ liệu WRF-Var 3DVAR kết hợp khởi động mô hình sớm hơn thời điểm dự báo nghiệp vụ từ 6 đến 12 giờ.

Kết luận

• Luận văn đã xây dựng thành công quy trình thử nghiệm dự báo tầm nhìn hạn 24 giờ cho 3 sân bay trọng điểm miền Bắc bằng mô hình WRF phiên bản 3.0.
• Phương pháp RUC chứng minh được tính ưu việt vượt trội trong việc mô phỏng sát giá trị tầm nhìn thực tế so với hai biến thể chỉ số FSIA và FSIH.
• Cấu hình lưới lồng 4 cấp (27km - 9km - 3km - 1km) khẳng định độ phân giải 1km là tối ưu cho vùng nội địa, trong khi lưới 27km phù hợp hơn cho vùng duyên hải.
• Kết quả nghiên cứu đóng góp cơ sở khoa học vững chắc để Trung tâm Dự báo Khí tượng Hàng không hiện đại hóa công nghệ dự báo số trị giai đoạn 2024 - 2026.
• Độc giả, nhà nghiên cứu và các đơn vị điều hành bay quan tâm có thể ứng dụng ngay khung phương pháp luận này để mở rộng phạm vi dự báo cho toàn bộ mạng lưới sân bay trên cả nước.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về dự báo sương mù, mây thấp và tầm nhìn Chương 2: Mô hình WRF và ứng dụng dự báo tầm nhìn cho các sân bay Cụm cảng Hàng không miền Bắc Chương 3: Kết quả thử nghiệm dự báo tầm nhìn bằng mô hình WRF Kết luận, kiến nghị Tài liệu tham khảo CHƢƠNG 1: TỔNG QUAN VỀ DỰ BÁO SƢƠNG MÙ, MÂY THẤP VÀ TẦM NHÌN Mù, sương mù, mây thấp, mưa nhỏ, mưa phùn, v. là những hiện tượng thời tiết nguy hiểm làm giảm tầm nhìn, ảnh hưởng không nhỏ tới hoạt động kinh tế xã hội, giao thông đường bộ, đường sắt, đường thủy, đường sông và đặc biệt tới đường hàng không. Để giảm những thiệt hại do chúng gây ra, nhiều nhà khoa học, dự báo viên khí tượng trong nước cũng như trên thế giới đã và đang nghiên cứu, áp dụng nhiều phương pháp khác nhau để từ đó dự báo chính xác sự xuất hiện cũng như diễn biến của các hiện tượng mù, sương mù, mây thấp, mưa nhỏ, mưa phùn, giá trị tầm nhìn do các yếu tố thời tiết trên gây ra. Trong chương này, bên cạnh những thông tin trong và ngoài nước về nghiên cứu, dự báo mù, sương mù, mây thấp, tầm nhìn, và tránh những nhầm lẫn về các hiện tượng trên, luận văn đề cập đến một số khái niệm sau: 1.

Những khái niệm và định nghĩa Kết quả ngưng kết và thăng hoa hơi nước trong khí quyển tạo thành những giọt nước nhỏ li ti hoặc những tinh thể băng có kích thước vô cùng bé (đường kính từ 5×10- 4 - 5×10-2mm) bay lơ lửng trong lớp không khí ngay sát mặt đất, hàm lượng nước gây giảm tầm nhìn ngang dưới 1km gọi là sương mù, và trên 1km nhưng dưới 10km gọi là mù, nếu chân của lớp sương mù cao hơn quan trắc viên khoảng 15m trở lên được gọi là mây [5]. Theo tài liệu hướng dẫn mã hoá bản tin dự báo và quan trắc các yếu tố khí tượng trong ngành Hàng không [31], mù là sự ngưng kết của các hạt nước siêu nhỏ hoặc các phần tử ẩm trong khí quyển làm giảm tầm nhìn từ 1000 - 5000m và độ ẩm tương đối lớn hơn 95%; khi sự ngưng kết của các hạt nước siêu nhỏ hoặc các phần tử ẩm làm giảm tầm nhìn ngang dưới 1km thì gọi là sương mù. Mưa phùn là các hạt nước đồng nhất có kích thước nhỏ hơn 0.5mm, các hạt nước được hình thành từ mây thấp hoặc từ mưa không tới mặt đất. Thông thường, mưa phùn cường độ mạnh do ảnh hưởng của mây thấp, phụ thuộc vào cường độ kết tủa và số hạt nước.

Mưa phùn mạnh có thể đạt >1mm/giờ. Vì vậy, khái niệm mù trong luận văn này được áp dụng theo quy định báo cáo thời tiết trong ngành hàng Không. Tổng quan về dự báo sương mù, mây thấp và tầm nhìn 1.1 Kinh nghiệm dự báo trên thế giới Do những ảnh hưởng to lớn do thời tiết gây ra nên các bản tin dự báo thời tiết ngày càng được xã hội chú trọng đặc biệt là chất lượng bản tin dự báo thời gian xuất hiện sương mù, mây thấp và giá trị tầm nhìn. Bên cạnh các phương pháp dự báo thời tiết truyền thống, các mô hình số trị đã và đang được áp dụng vào trong nghiệp vụ dự báo.

Tuy nhiên, dự báo sương mù lại chịu ảnh hưởng rất nhiều bởi yếu tố địa phương và lớp biên bề mặt. Các yếu tố quan trắc và đo đạc trực tiếp trong không gian là nhân tố cơ bản trong việc dự báo sương mù và mây thấp. Bên cạnh đó, các thông tin từ vệ tinh, với độ chính xác ngày càng được cải thiện, ngày càng được sử dụng phổ biến làm yếu tố đầu vào cho mô hình dự báo sương mù và mây thấp.